本文为🔗小白入门Pytorch内部限免文章
参考本文所写记录性文章,请在文章开头注明以下内容,复制粘贴即可
- 🍨 本文为🔗小白入门Pytorch中的学习记录博客
- 🍦 参考文章:【小白入门Pytorch】mnist手写数字识别
- 🍖 原作者:K同学啊
K同学啊
一、 前期准备¶
- 1.查看版本
import torch print(torch.__version__) # 查看pytorch版本
2.0.1+cu118
2.设置GPU,哈哈哈,我没有
import torch import torch.nn as nn import matplotlib.pyplot as plt import torchvision device = torch.device("cuda" if torch.cuda.is_available() else "cpu") device
3.导入数据
MNIST是一个手写体数字的图片数据集,由美国国家标准与技术研究所(National Institute of Standards and Technology,NIST)发起并整理,包含来自250个不同人手写数字的图片。该数据集的收集目的是希望通过算法,实现对手写数字的识别。数据集中的图片规格为28像素×28像素,每个像素点用无符号数表示,图像大小为2828。数据集的训练集包含60000个样本,测试集包含10000个样本。
该数据集自1998年起,被广泛地应用于机器学习和深度学习领域,例如线性分类器(Linear Classifiers)、K-近邻算法(K-Nearest Neighbors)、支持向量机(SVMs)、神经网络(Neural Nets)、卷积神经网络(Convolutional Nets)等算法,用来测试算法的效果。
MNIST数据集官网提供了数据集的下载,主要包括四个文件:训练集和测试集的图片数据和标签数据。官网上的MNIST训练集标签的格式为offset,其中offset是偏置,记录这个字段起始位置在这串数据的第几个字节。
总的来说,MNIST是一个经典的手写数字数据集,被广泛应用于机器学习和深度学习领域,对于手写数字识别算法的评估和训练有着重要的意义。
原文介绍
使用dataset下载MNIST数据集,并划分好训练集与测试集
使用dataloader加载数据,并设置好基本的batch_size
⭐
torchvision.datasets.MNIST详解
torchvision.datasets
是Pytorch自带的一个数据库,我们可以通过代码在线下载数据,这里使用的是torchvision.datasets
中的MNIST
数据集。函数原型:
torchvision.datasets.MNIST(root, train=True, transform=None, target_transform=None, download=False)参数说明:
- root (string) :数据地址
- train (string) :
True
= 训练集,False
= 测试集- download (bool,optional) : 如果为
True
,从互联网上下载数据集,并把数据集放在root目录下。- transform (callable, optional ):这里的参数选择一个你想要的数据转化函数,直接完成数据转化
- target_transform (callable,optional) :接受目标并对其进行转换的函数/转换。
train_ds = torchvision.datasets.MNIST('data', train=True, transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor download=True) test_ds = torchvision.datasets.MNIST('data', train=False, transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor download=True)
想法
使用PyTorch的torchvision库来加载MNIST数据集的代码创建一个训练数据集(train_ds)和一个测试数据集(test_ds)。'data'是存储数据集的目录,'train=True'表示我们想要加载训练数据集,'transform=torchvision.transforms.ToTensor()'将数据转换为PyTorch的Tensor类型。'download=True'表示如果数据集不存在,会自动下载。
torch.utils.data.DataLoader详解
torch.utils.data.DataLoader
是Pytorch自带的一个数据加载器,结合了数据集和取样器,并且可以提供多个线程处理数据集。函数原型:
torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=None, sampler=None, batch_sampler=None, num_workers=0, collate_fn=None, pin_memory=False, drop_last=False, timeout=0, worker_init_fn=None, multiprocessing_context=None, generator=None, *, prefetch_factor=2, persistent_workers=False, pin_memory_device='')
参数说明:
- dataset(string) :加载的数据集
- batch_size (int,optional) :每批加载的样本大小(默认值:1)
- shuffle(bool,optional) : 如果为
True
,每个epoch重新排列数据。- sampler (Sampler or iterable, optional) : 定义从数据集中抽取样本的策略。 可以是任何实现了 len 的 Iterable。 如果指定,则不得指定 shuffle 。
- batch_sampler (Sampler or iterable, optional) : 类似于sampler,但一次返回一批索引。与 batch_size、shuffle、sampler 和 drop_last 互斥。
- num_workers(int,optional) : 用于数据加载的子进程数。 0 表示数据将在主进程中加载(默认值:0)。
- pin_memory (bool,optional) : 如果为 True,数据加载器将在返回之前将张量复制到设备/CUDA 固定内存中。 如果数据元素是自定义类型,或者collate_fn返回一个自定义类型的批次。
- drop_last(bool,optional) : 如果数据集大小不能被批次大小整除,则设置为 True 以删除最后一个不完整的批次。 如果 False 并且数据集的大小不能被批大小整除,则最后一批将保留。 (默认值:False)
- timeout(numeric,optional) : 设置数据读取的超时时间 , 超过这个时间还没读取到数据的话就会报错。(默认值:0)
- worker_init_fn(callable,optional) : 如果不是 None,这将在步长之后和数据加载之前在每个工作子进程上调用,并使用工作 id([0,num_workers - 1] 中的一个 int)的顺序逐个导入。 (默认:None)
batch_size = 32 train_dl = torch.utils.data.DataLoader(train_ds, batch_size=batch_size, shuffle=True) test_dl = torch.utils.data.DataLoader(test_ds, batch_size=batch_size) # 取一个批次查看数据格式 # 数据的shape为:[batch_size, channel, height, weight] # 其中batch_size为自己设定,channel,height和weight分别是图片的通道数,高度和宽度。 imgs, labels = next(iter(train_dl)) imgs.shape
使用PyTorch库来处理MNIST数据集,并使用
DataLoader
来创建一个训练数据加载器和测试数据加载器。
DataLoader
的目的是为了在训练和测试过程中提供可迭代的对象,以便于你可以在每个训练批次(batch)中获取数据。
batch_size = 32
,这意味着在每个训练批次中,你会获取32个图像和对应的标签。使用
next(iter(train_dl))
时,从训练数据加载器中获取了一个批次的数据。这个批次的数据应该是一个包含图像和标签的元组。
imgs.shape
是用来获取图像数据的形状。根据你的代码,imgs
应该是一个包含图像数据的张量(tensor),其形状应该是[batch_size, channel, height, weight]
。3. 数据可视化
squeeze()
函数的功能是从矩阵shape中,去掉维度为1的。例如一个矩阵是的shape是(5, 1),使用过这个函数后,结果为(5, )。import numpy as np # 指定图片大小,图像大小为20宽、5高的绘图(单位为英寸inch) plt.figure(figsize=(20, 5)) for i, imgs in enumerate(imgs[:20]): # 维度缩减 npimg = np.squeeze(imgs.numpy()) # 将整个figure分成2行10列,绘制第i+1个子图。 plt.subplot(2, 10, i+1) plt.imshow(npimg, cmap=plt.cm.binary) plt.axis('off')
import numpy as np
: 这行代码导入了NumPy库,并用np
作为别名。NumPy是一个用于处理数组和矩阵的库,常用于处理大规模的数据。plt.figure(figsize=(20, 5))
: 这行代码创建了一个新的图形窗口,并指定其大小为20英寸宽,5英寸高。for i, imgs in enumerate(imgs[:20]):
: 这行代码使用enumerate函数对imgs
列表的前20个元素进行循环。enumerate函数会返回每个元素的索引和值。npimg = np.squeeze(imgs.numpy())
: 这行代码将imgs
(应该是一个NumPy数组)转换为NumPy数组,并尝试删除额外的维度。如果imgs
是一个二维数组,那么np.squeeze
不会有任何效果。如果是一个一维数组,它将会尝试通过增加一个额外的维度(在第0个维度,即“行”)来转换它。plt.subplot(2, 10, i+1)
: 这行代码将当前的图形窗口划分为2行10列的网格,并设置当前活动的子图为第i+1个子图。plt.imshow(npimg, cmap=plt.cm.binary)
: 这行代码在当前活动的子图中显示npimg
。cmap=plt.cm.binary
指定了颜色映射为二值颜色映射。二、构建简单的CNN网络
对于一般的CNN网络来说,都是由特征提取网络和分类网络构成,其中特征提取网络用于提取图片的特征,分类网络用于将图片进行分类。
- nn.Conv2d为卷积层,用于提取图片的特征,传入参数为输入channel,输出channel,池化核大小
- nn.MaxPool2d为池化层,进行下采样,用更高层的抽象表示图像特征,传入参数为池化核大小
- nn.ReLU为激活函数,使模型可以拟合非线性数据
- nn.Linear为全连接层,可以起到特征提取器的作用,最后一层的全连接层也可以认为是输出层,传入参数为输入特征数和输出特征数(输入特征数由特征提取网络计算得到,如果不会计算可以直接运行网络,报错中会提示输入特征数的大小,下方网络中第一个全连接层的输入特征数为1600)
- nn.Sequential可以按构造顺序连接网络,在初始化阶段就设定好网络结构,不需要在前向传播中重新写一遍
想法
这是一个简单卷积神经网络(Convolutional Neural Network,CNN)模型,用于图像分类任务。这个模型包含两个主要部分:特征提取网络和分类网络。
- 特征提取网络:由两个卷积层(
conv1
和conv2
)和两个最大池化层(pool1
和pool2
)组成。第一层卷积层将输入图像的每个像素转化为32个特征,然后通过池化层减小特征图的尺寸。第二层卷积层进一步提取更高级的特征,并再次通过池化层减小特征图的尺寸。- 分类网络:由两个全连接层(
fc1
和fc2
)组成。全连接层fc1
将上一级的特征图展平后转化为64维的向量,然后通过全连接层fc2
将其转化为10维向量,对应10个类别。前向传播(
forward
)函数定义了输入数据x
在这个网络中的流动方式。首先,数据通过特征提取网络提取特征,然后将这些特征传递给全连接层进行分类。三、训练模型¶
1. 设置超参数
loss_fn = nn.CrossEntropyLoss() # 创建损失函数 learn_rate = 1e-2 # 学习率 opt = torch.optim.SGD(model.parameters(),lr=learn_rate)
2. 编写训练函数
1. optimizer.zero_grad()
函数会遍历模型的所有参数,通过内置方法截断反向传播的梯度流,再将每个参数的梯度值设为0,即上一次的梯度记录被清空。
2. loss.backward()
PyTorch的反向传播(即
tensor.backward()
)是通过autograd包来实现的,autograd包会根据tensor进行过的数学运算来自动计算其对应的梯度。具体来说,torch.tensor是autograd包的基础类,如果你设置tensor的requires_grads为True,就会开始跟踪这个tensor上面的所有运算,如果你做完运算后使用
tensor.backward()
,所有的梯度就会自动运算,tensor的梯度将会累加到它的.grad属性里面去。更具体地说,损失函数loss是由模型的所有权重w经过一系列运算得到的,若某个w的requires_grads为True,则w的所有上层参数(后面层的权重w)的.grad_fn属性中就保存了对应的运算,然后在使用
loss.backward()
后,会一层层的反向传播计算每个w的梯度值,并保存到该w的.grad属性中。如果没有进行
tensor.backward()
的话,梯度值将会是None,因此loss.backward()
要写在optimizer.step()
之前。3. optimizer.step()
step()函数的作用是执行一次优化步骤,通过梯度下降法来更新参数的值。因为梯度下降是基于梯度的,所以在执行
optimizer.step()
函数前应先执行loss.backward()
函数来计算梯度。注意:optimizer只负责通过梯度下降进行优化,而不负责产生梯度,梯度是
tensor.backward()
方法产生的。# 训练循环 def train(dataloader, model, loss_fn, optimizer): size = len(dataloader.dataset) # 训练集的大小,一共60000张图片 num_batches = len(dataloader) # 批次数目,1875(60000/32) train_loss, train_acc = 0, 0 # 初始化训练损失和正确率 for X, y in dataloader: # 获取图片及其标签 X, y = X.to(device), y.to(device) # 计算预测误差 pred = model(X) # 网络输出 loss = loss_fn(pred, y) # 计算网络输出和真实值之间的差距,targets为真实值,计算二者差值即为损失 # 反向传播 optimizer.zero_grad() # grad属性归零 loss.backward() # 反向传播 optimizer.step() # 每一步自动更新 # 记录acc与loss train_acc += (pred.argmax(1) == y).type(torch.float).sum().item() train_loss += loss.item() train_acc /= size train_loss /= num_batches return train_acc, train_loss
pred.argmax(1)
返回数组pred
在第一个轴(即行)上最大值所在的索引。这通常用于多类分类问题中,其中pred
是一个包含预测概率的二维数组,每行表示一个样本的预测概率分布。(pred.argmax(1) == y)
是一个布尔值,其中等号是否成立代表对应样本的预测是否正确(True 表示正确,False 表示错误)。
(pred.argmax(1) == y).type(torch.float).sum().item()
表示计算预测正确的样本数量,并将其作为一个标量值返回。这通常用于评估分类模型的准确率或计算分类问题的正确预测数量。.type(torch.float)
是将布尔数组的数据类型转换为浮点数类型,即将 True 转换为 1.0,将 False 转换为 0.0。.sum()
是对数组中的元素求和,计算出预测正确的样本数量。.item()
将求和结果转换为标量值,以便在 Python 中使用或打印。
- 解释
函数定义:
def train(dataloader, model, loss_fn, optimizer):
:定义了一个名为train
的函数,它接受四个参数:数据加载器dataloader
、要训练的模型model
、计算损失的函数loss_fn
和模型参数优化器optimizer
。数据集大小和批次数:
size = len(dataloader.dataset)
: 这行代码获取训练集的大小,即图片的总数量。num_batches = len(dataloader)
: 这行代码计算了数据加载器的长度,也就是将要处理的批次数。批次数是训练过程中将数据分批次输入模型的数量。初始化训练损失和准确度:
train_loss, train_acc = 0, 0
: 初始化两个变量,分别用于记录训练过程中的总损失和总准确度。循环处理数据:
for X, y in dataloader:
:使用数据加载器dataloader
进行迭代,每次迭代返回一对(X, y)
,其中X
是输入数据,y
是对应的标签。X, y = X.to(device), y.to(device)
: 这行代码将输入数据X
和标签y
移动到指定设备上(通常是GPU或CPU)。前向传播和计算损失:
pred = model(X)
: 将输入数据X
通过模型model
得到预测结果pred
。loss = loss_fn(pred, y)
: 使用损失函数loss_fn
计算预测结果pred
和真实标签y
之间的损失。反向传播和优化:
optimizer.zero_grad()
: 这一行是清零优化器梯度的操作。在PyTorch中,梯度是在反向传播时累积的,因此每次训练迭代开始时,梯度应该被归零。loss.backward()
: 执行反向传播,计算损失关于模型参数的梯度。optimizer.step()
: 使用优化器自动更新模型参数。记录损失和准确度:
train_acc += (pred.argmax(1) == y).type(torch.float).sum().item()
: 这行代码计算并累积训练过程中的准确度。pred.argmax(1)
返回每个输入数据的最大概率对应的类别,与真实标签y
比较后得到一个布尔值,然后求和并转换为浮点数,最后取元素值得到累积的准确度。train_loss += loss.item()
: 这行代码计算并累积训练过程中的总损失。.item()
将最后一个批次(可能是一个)的损失转换为Python数值。平均损失和准确度:
train_acc /= size
和train_loss /= num_batches
: 这两行代码将累积的准确度和损失除以它们各自的总数,得到平均准确度和平均损失。返回结果:
return train_acc, train_loss
: 函数返回训练过程中的平均准确度和平均损失。3. 编写测试函数¶
测试函数和训练函数大致相同,但是由于不进行梯度下降对网络权重进行更新,所以不需要传入优化器
def test (dataloader, model, loss_fn): size = len(dataloader.dataset) # 测试集的大小,一共10000张图片 num_batches = len(dataloader) # 批次数目,313(10000/32=312.5,向上取整) test_loss, test_acc = 0, 0 # 当不进行训练时,停止梯度更新,节省计算内存消耗 with torch.no_grad(): for imgs, target in dataloader: imgs, target = imgs.to(device), target.to(device) # 计算loss target_pred = model(imgs) loss = loss_fn(target_pred, target) test_loss += loss.item() test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item() test_acc /= size test_loss /= num_batches return test_acc, test_loss
解释
def test (dataloader, model, loss_fn):
:定义一个名为test
的函数,它接受三个参数:数据加载器dataloader
、模型model
和损失函数loss_fn
。size = len(dataloader.dataset)
: 这行代码获取测试集的大小。num_batches = len(dataloader)
: 这行代码计算了数据加载器的长度,也就是将要处理的批次数。test_loss, test_acc = 0, 0
: 初始化两个变量,用于记录测试过程中的总损失和总准确度。with torch.no_grad()
: 这个上下文管理器关闭了梯度计算,这可以节省内存,因为测试阶段我们不需要计算梯度。for imgs, target in dataloader:
:对数据加载器中的每个批次进行迭代,imgs
是输入数据,target
是对应的标签。imgs, target = imgs.to(device), target.to(device)
: 这行代码将输入数据和标签移动到指定设备上(通常是GPU或CPU)。target_pred = model(imgs)
: 使用模型对输入数据进行预测。loss = loss_fn(target_pred, target)
: 使用损失函数计算模型预测结果和真实标签之间的损失。test_loss += loss.item()
: 累积损失。test_acc += (target_pred.argmax(1) == target).type(torch.float).sum().item()
: 累积准确度。这里,target_pred.argmax(1)
返回每个输入数据的最大概率对应的类别,与真实标签比较后得到一个布尔值(0或1),然后求和并转换为浮点数,最后取元素值得到累积的准确度。test_acc /= size
和test_loss /= num_batches
: 这两行代码分别将累积的准确度和损失除以它们的总数,得到平均准确度和平均损失。return test_acc, test_loss
: 返回平均准确度和平均损失。4. 正式训练
1. model.train()
model.train()
的作用是启用 Batch Normalization 和 Dropout。如果模型中有
BN
层(Batch Normalization)和Dropout
,需要在训练时添加model.train()
。model.train()
是保证BN层能够用到每一批数据的均值和方差。对于Dropout
,model.train()
是随机取一部分网络连接来训练更新参数。2. model.eval()
model.eval()
的作用是不启用 Batch Normalization 和 Dropout。如果模型中有BN层(Batch Normalization)和Dropout,在测试时添加
model.eval()
。model.eval()
是保证BN层能够用全部训练数据的均值和方差,即测试过程中要保证BN层的均值和方差不变。对于Dropout
,model.eval()
是利用到了所有网络连接,即不进行随机舍弃神经元。训练完train样本后,生成的模型model要用来测试样本。在
model(test)
之前,需要加上model.eval()
,否则的话,有输入数据,即使不训练,它也会改变权值。这是model中含有BN层和Dropout所带来的的性质。
epochs = 5 train_loss = [] train_acc = [] test_loss = [] test_acc = [] for epoch in range(epochs): model.train() epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt) model.eval() epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn) train_acc.append(epoch_train_acc) train_loss.append(epoch_train_loss) test_acc.append(epoch_test_acc) test_loss.append(epoch_test_loss) template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%,Test_loss:{:.3f}') print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, epoch_test_acc*100, epoch_test_loss)) print('Done')
五,可视化